| کنترل کیفیت مصالح پروژه های عمرانی با استفاده از شبکه های عصبی کانولوشونی چند لایه مبتنی بر هوش مصنوعی |
| کد مقاله : 1056-CONCRETE |
| نویسندگان |
|
کاوه بقایی * بلوار 29 بهمن کوی جام جم پلاک 18 طبقه 3 |
| چکیده مقاله |
| کنترل کیفیت مصالح سنگدانه‌ای با استفاده از هوش مصنوعی به‌عنوان یکی از نیازهای مهم پروژه‌های عمرانی، نقش مؤثری در بهبود کیفیت ساخت، کاهش هزینه‌ها و تسریع فرآیندهای اجرایی دارد. دانه‌بندی و تشخیص نوع سنگدانه‌ها از عوامل کلیدی مؤثر بر عملکرد مکانیکی و دوام سازه‌های بتنی محسوب می‌شوند. در این مقاله، کاربرد روش‌های بینایی ماشین و یادگیری عمیق در کنترل کیفیت و دانه‌بندی مصالح درشت‌دانه مورد بررسی قرار گرفته است. هدف اصلی تحقیق، ارائه روشی اقتصادی، سریع و کارآمد برای ارزیابی دانه‌بندی مصالح، بدون نیاز به تجهیزات آزمایشگاهی سنتی نظیر الک‌های استاندارد، میز لرزاننده و ترازوهای دیجیتال است. در این پژوهش، با بهره‌گیری از تکنیک‌های پردازش تصویر و استفاده از شبکه‌های عصبی کانولوشونی چندلایه، فرآیند شناسایی، تفکیک و لبه‌یابی سنگدانه‌ها انجام شده و منحنی دانه‌بندی مصالح استخراج گردیده است. علاوه بر این، با استفاده از استراتژی‌های بینایی ماشین، درصد سنگدانه‌های شکسته و رودخانه‌ای به‌صورت خودکار تعیین شده است که نقش مهمی در ارزیابی کیفیت مصالح پروژه‌های عمرانی دارد. نتایج نشان می‌دهد که روش پیشنهادی از دقت قابل قبولی برخوردار بوده و ضمن کاهش هزینه‌ها و زمان آزمایش، می‌تواند به‌عنوان رویکردی نوین و کارآمد در کنترل کیفیت مصالح در مهندسی عمران مورد استفاده قرار گیرد. |
| کلیدواژه ها |
| کنترل کیفیت مصالح، دانه بندی مصالح، بینایی ماشین، شبکه‌های عصبی کانولوشونی، هوش مصنوعی |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
